量子科技中心_量科网

该研究团队提出了vQFL（车载量子联邦学习）新框架，通过运用量子机器学习技术解决自动驾驶车辆网络中的关键隐私与安全问题。团队还提出服务器端自适应微调方法ft-VQFL，以实现更强韧的性能提升。这项量子先锋方案将量子联邦学习与差分隐私及量子密钥分发（QKD）相结合，构建起针对经典与量子威胁的多层防御体系，同时保持模型效用。基于行业标准数据集（KITTI、Waymo和nuScenes）的大量实验表明，vQFL在保持标准QFL精度的同时，显著提升了隐私保障与通信安全。采用多种量子模型（VQC、QCNN和SamplerQNN）的实现显示，尽管增加了安全措施，性能开销仍维持在极低水平。该工作为抗量子自动驾驶系统奠定了重要基础，使其既能安全运行于后量子时代，又能高效处理现代自动驾驶车队产生的海量数据（每车每日20-40TB）。该框架的模块化设计可实现与现有车载网络的无缝集成，使vQFL成为未来智能交通基础设施的核心组件。